如何使用 np.where 更改多个列值？

Question

假设你有以下df：

d = {'line amount#1': [0.21, 0.13, 0.1], 'line amount#2': [0.0, 0.05, .05], 'ExclBTW': [0.5, 0.18, .05]}
dftaxitems = pd.DataFrame(data=d)
dftaxitems


line amount#1   line amount#2   ExclBTW
0   0.21                0.00    0.50
1   0.13                0.05    0.18
2   0.10                0.05    0.05

现在，我想在不加到 BTW 列时将所有行金额的值更改为 np.nan，并在加起来时保留该值。

所以我想动态地做，因为行数可能高达 10 行。

但是使用以下代码得到以下错误：

#change line amount if not totalling into ExclBTW:
dfchecklineamount = dftaxitems.filter(like='line amount').astype(float)
dfchecklineamount['sum'] = dfchecklineamount[list(dfchecklineamount.columns)].sum(axis=1)
dfchecklineamount['check'] = np.where(dfchecklineamount['sum'].astype(float) == dfresult['ExclBTW'].astype(float),True, False)

dfchecklineamount['check'] = np.where(dfchecklineamount['sum'].astype(float) == dfresult['ExclBTW'].astype(float),True, False)
colstochange = dfchecklineamount.filter(regex ='line amount').columns
dfchecklineamount[colstochange] = np.where(dfchecklineamount['check'] == False, np.nan,dfchecklineamount[colstochange] )







 ValueError: operands could not be broadcast together with shapes (2,) () (2,4) 

请帮忙！

期望的输出：

line amount#1   line amount#2   ExclBTW
0   np.nan             np.nan    0.50
1   0.13                0.05     0.18
2   np.nan             np.nan     0.05

Answer 1

我们可以在axis=1 上使用DataFrame.filter 和sum，然后我们将值设置为NaN 和DataFrame.mask：

lines = dftaxitems.filter(like="line")
m = lines.sum(axis=1).ne(dftaxitems["ExclBTW"])
dftaxitems[lines.columns] = lines.mask(m)

   line amount#1  line amount#2  ExclBTW
0            NaN            NaN     0.50
1           0.13           0.05     0.18
2            NaN            NaN     0.05

Answer 2

编辑：添加更多通用解决方案，可处理任意数量的类似 lineamount 列

c = dftaxitems.filter(like='line amount#').columns
m = dftaxitems[c].sum(1).eq(dftaxitems['ExclBTW'])
dftaxitems.loc[~m, c] = np.nan
dftaxitems

---

---

请您尝试以下操作。简单的解释是：我们可以使用布尔索引来填充 NaN 值。首先在 m 变量中获取掩码（我们正在检查条件，如果 2 列之和等于第 3 列），然后使用 loc 函数相应地设置 NaN 值。

m = (dftaxitems['line amount#1'] + dftaxitems['line amount#2']) == dftaxitems['ExclBTW']

dftaxitems.loc[~m, ['line amount#1', 'line amount#2']] = np.nan
dftaxitems

输出如下：

   line amount#1  line amount#2  ExclBTW
0            NaN            NaN     0.50
1           0.13           0.05     0.18
2            NaN            NaN     0.05

Answer 3

dftaxitems['line amount#1'] = np.where(dftaxitems['line amount#1'] + dftaxitems['line amount#1'] >= dftaxitems['ExclBTW'], dftaxitems['line amount#1'], np.nan)
dftaxitems['line amount#2'] = np.where(dftaxitems['line amount#1'] + dftaxitems['line amount#1'] >= dftaxitems['ExclBTW'], dftaxitems['line amount#2'], np.nan)

我用这个，但一定有更好的办法解决

Answer 4

import pandas as pd
import numpy as np

d = {'line amount#1': [0.21, 0.13, 0.1], 'line amount#2': [0.0, 0.05, .05], 'ExclBTW': [0.5, 0.18, .05]}
df = pd.DataFrame(data=d)
print(df)

df['line amount#1'] = df['line amount#1'].where(df['line amount#1'] + df['line amount#2'] == df['ExclBTW'], other=np.nan)
df['line amount#2'] = df['line amount#1'].where(df['line amount#1'] + df['line amount#2'] == df['ExclBTW'], other=np.nan)
print(df)

输出：

   line amount#1  line amount#2  ExclBTW
0           0.21           0.00     0.50
1           0.13           0.05     0.18
2           0.10           0.05     0.05

   line amount#1  line amount#2  ExclBTW
0            NaN            NaN     0.50
1           0.13           0.13     0.18
2            NaN            NaN     0.05